sklearn-onnx

项目介绍：sklearn-onnx

什么是 sklearn-onnx？

sklearn-onnx 是一个用于将 scikit-learn 模型转换为 ONNX 格式的项目。ONNX，即开放神经网络交换格式，是一种允许跨不同框架和工具共享模型的开放格式。通过这个项目，用户可以将 scikit-learn 模型转换为 ONNX 格式，之后可以使用如 ONNX Runtime 的工具进行高效的模型评估。

功能特点

• 格式转换：sklearn-onnx 提供了将各种 scikit-learn 模型（包括管道和外部库的转换器）转换为 ONNX 格式的功能。所有的转换工具都经过 onnxruntime 的测试，以确保转换后的模型能够高效地运行。

• 高性能评分：转换为 ONNX 格式后，模型可以通过 ONNX Runtime 进行高性能的评分和预测计算。

• 扩展性：除了内置转换器外，sklearn-onnx 还支持注册外部转换器，从而能够处理来自外部库的模型或转换器。

安装方法

用户可以通过 PyPi 进行简单安装：

pip install skl2onnx

或者从源码安装最新的版本：

pip install git+https://github.com/onnx/sklearn-onnx.git

快速开始指南

以下是一个简单的使用示例：

1. 训练模型：使用 scikit-learn 训练一个分类模型，例如随机森林。

   import numpy as np
   from sklearn.datasets import load_iris
   from sklearn.model_selection import train_test_split
   from sklearn.ensemble import RandomForestClassifier
   
   iris = load_iris()
   X, y = iris.data, iris.target
   X_train, X_test, y_train, y_test = train_test_split(X, y)
   clr = RandomForestClassifier()
   clr.fit(X_train, y_train)

2. 转换为 ONNX 格式：使用 skl2onnx 将训练好的模型转换为 ONNX 格式。

   from skl2onnx import to_onnx
   
   onx = to_onnx(clr, X[:1])
   with open("rf_iris.onnx", "wb") as f:
       f.write(onx.SerializeToString())

3. 使用 ONNX Runtime 进行预测：加载转换后的模型，并进行预测。

   import onnxruntime as rt
   
   sess = rt.InferenceSession("rf_iris.onnx")
   input_name = sess.get_inputs()[0].name
   label_name = sess.get_outputs()[0].name
   pred_onx = sess.run([label_name], {input_name: X_test.astype(np.float32)})[0]

贡献与协作

sklearn-onnx 项目欢迎各种形式的贡献，无论是反馈、创意还是代码贡献。感兴趣的开发者可以深入项目的源码，为其功能扩展和完善提供帮助。

许可证

sklearn-onnx 遵循 Apache License v2.0 开源许可证协议，这意味着用户可以自由地使用、修改和分发该项目，只需遵循相应的许可证条款。

通过 sklearn-onnx，开发者可以轻松地将 scikit-learn 中的模型转换为 ONNX 格式，充分利用 ONNX Runtime 等工具的强大性能，从而实现更高效的模型部署与应用。